跳到正文
热点事件持续更新

Bradley-Terry训练扭曲语言世界模型结果概率

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年11月20日,arXiv发表一项机器学习研究论文,指出使用Bradley-Terry目标训练语言世界模型会扭曲其原本准确的结果概率分布。 研究显示,这种扭曲导致33至43个百分点的概率质量错误转移到条件枚举分支不会产生结果上,且偏差源于优化目标本身而非比较数据。 即使移除物理不可能事件,模型仍存在约29个百分点的剩余偏差;在包含此类事件时,每次决策效用损失约3个百分点,移除后则低于1个百分点。

AI 根据报道生成 · 14 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    Bradley-Terry 训练会扭曲语言世界模型的初始准确结果概率

    Bradley-Terry 目标训练语言世界模型时,会将原本准确的概率分布扭曲,使 33-43 个百分点的概率质量转移到条件枚举分支不产生的结果上。 这种扭曲源于优化目标本身而非比较数据,即使移除物理不可能事件,仍剩余约 29 个百分点的偏差。 在包含物理不可能事件的情况下,该偏差导致每次决策效用损失约 3 个百分点,表现为错误拒绝;移除这些事件后,平均效用损失低于 1 个百分点。

本事件热度走势

可比范围当前
6
可比范围峰值
911月20日 16:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。